Инженер по машинному обучению
Сигналы объявления: 1 из 3
Это счётчик доступных сигналов, а не рейтинг безопасности работодателя. Нет данных по 2 из 3 проверок.
- Источник «Работа России»: нет данных — Нет подтверждённых данных об этом объявлении на государственной площадке.
- Проверка hh.ru: нет данных — Подтверждённый флаг employer.trusted от hh.ru не получен.
- Свежесть публикации: есть сигнал — С даты публикации прошло 0 дн. Порог сигнала — 30 дней; обновление даты не доказывает наличие свободного места.
Сопоставьте ИНН, юридическое название и условия договора. Даже свежая вакансия проверенной площадки требует проверки перед откликом.
Как проверить работодателя →✍ Составить сопроводительное письмо
Письмо хранится только в вашем браузере. Проверьте название компании перед отправкой — чужое имя в письме читается как массовая рассылка.
Опыт и подпись возьмутся из вашего мини-резюме.
Пожаловаться на подозрительную вакансию
Опишите конкретные признаки обмана. Не указывайте паспортные данные, номера карт или чужие контакты. После трёх учтённых жалоб объявление скрывается до проверки; это не доказательство мошенничества.
Компания: Группа компаний Fordewind — быстрорастущая технологическая финансовая компания, основанная в 2017 году. Мы специализируемся на кредитовании и инвестиционно-банковских услугах для корпораций, малого и среднего бизнеса. Наша команда управляется опытными профессионалами финансовой отрасли с бэкграундом в крупнейших институтах (экс J.P. Morgan, UBS, ВТБ Капитал, Сбербанк CIB). Сегодня Fordewind — это международный бизнес с офисами в Дубае (ОАЭ), Москве (Россия), Алматы (Казахстан) и Лондоне (Великобритания).
Мы ищем опытного Data Scientist / ML Engineer для международных проектов компании.
Задача роли: адаптировать скоринговую логику и модели под новые страны. У нас есть существующий scoring pipeline, но его нельзя просто «перенести» на другой рынок: в каждой стране другие данные, форматы, источники, финансовая отчётность, поведение клиентов и рисковые факторы. Поэтому нам нужен человек, который сможет брать базовую методологию и гибко адаптировать её под новую локацию.
Основные обязанности
-
Работать совместно с разработчиками и аналитиками над запуском скоринговых процессов в новых локациях;
-
Адаптировать существующие скоринговые подходы и перестраивать scoring pipeline под специфику международных рынков;
-
Работать с данными из новых стран (финансовая отчётность, документы, внешние источники, альтернативные данные);
-
Анализировать качество данных и применимость текущих российских скоринговых подходов компании к новым рынкам;
-
Совместно с разработчиками участвовать в автоматизации обработки данных и алгоритмов принятия решений;
-
Взаимодействовать с бизнес-командой для перевода кредитной экспертизы в data/scoring-логику и строить масштабируемую scoring-инфраструктуру.
Требования к кандидату
-
Опыт и профиль: опыт работы в качестве Data Scientist / ML Engineer;
-
Технический стек: уверенное владение Python, классическим DS/ML-стеком и ключевыми библиотеками (Numpy, Pandas, Scipy, Matplotlib, Seaborn, Sklearn, LightGBM, CatBoost и пр.);
-
Работа с данными: способность работать не только с «чистыми» датасетами, но и с реальными messy-data из бизнеса;
-
Риск-моделирование: понимание статистики, Feature engineering, Validation, а также опыт построения или адаптации credit scoring models (будет плюсом).
Наше предложение
-
Профессиональный рост и гибкое построение карьерного пути;
-
Свобода в выборе используемого стека технологий, отсутствие внутренней бюрократии;
-
Участие в интересных проектах для решения прикладных бизнес задач с первых дней, возможность инициирования и запуска новых процессов;
-
Возможность работы в полностью удаленном режиме из любой точки мира;
-
Конкурентная оплата труда и прозрачная бонусная система.